|
--- |
|
datasets: |
|
- jerteh/cc100-sr-jerteh |
|
- jerteh/SrpELTeC |
|
- jerteh/SrpWiki |
|
- srwac |
|
- procesaur/STARS |
|
language: |
|
- sr |
|
tags: |
|
- Srpski |
|
- Serbian |
|
- GPT2 |
|
- generisanje |
|
license: cc-by-sa-4.0 |
|
pipeline_tag: text-generation |
|
widget: |
|
- text: Kada bi čovek znao gde će pasti, |
|
- text: Jednom davno, |
|
- text: Srbija je |
|
- text: Najbolji lek za stres je |
|
--- |
|
|
|
|
|
<h4><i class="highlight-container"><b class="highlight">gpt2-vrabac</b></i> — Mali generativni model za srpski jezik.</h4> |
|
|
|
|
|
<img src="cover.png" class="cover"> |
|
|
|
<div id="zastava"> |
|
<div class="grb"> |
|
<img src="https://www.ai.gov.rs/img/logo_60x120-2.png" style="position:relative; left:30px; z-index:10; height:85px"> |
|
</div> |
|
<table width=100% style="border:0px"> |
|
<tr style="background-color:#C6363C;width:100%;border:0px;height:30px"><td></td></tr> |
|
<tr style="background-color:#0C4076;width:100%;border:0px;height:30px"><td></td></tr> |
|
<tr style="background-color:#ffffff;width:100%;border:0px;height:30px"><td></td></tr> |
|
</table> |
|
</div> |
|
|
|
<ul style="font-weight:bold"> |
|
<li>Generiše novi tekst, ili nastavlja započeti tekstualni unos</li> |
|
<li>Zasnovan na GPT2-small arhitekturi, 130 miliona parametara</li> |
|
<li>Obučavan na korpusu srpskog jezika veličine 4 milijarde tokena</li> |
|
<li>Jednaka podrška unosa i na ćirilici i na latinici!</li> |
|
</ul> |
|
|
|
|
|
## Upotreba |
|
|
|
```python |
|
>>> from transformers import pipeline, set_seed |
|
>>> generator = pipeline('text-generation', model='jerteh/gpt2-vrabac') |
|
>>> set_seed(23) |
|
>>> generator("", max_length=30, num_return_sequences=5) |
|
``` |
|
|
|
``` |
|
[{'generated_text': 'Ja, međutim, ne idem na put da idem već da se vratim na aerodrom.'}, |
|
{'generated_text': 'Domaćinstvo se nalazilo na mestu zvanom Kutuzov kod Niša.'}, |
|
{'generated_text': 'Regionalne razlike:'}, |
|
{'generated_text': 'Od tada do sada smo u veoma teškoj situaciji“, poručio je on.'}, |
|
{'generated_text': 'Iz tog razloga, na ovaj način u potpunosti bi se izbegla dodatna mogućnost da se sa istim problemima suoči i Vlada.'}] |
|
``` |
|
|
|
Pored navedenih, model je obučavan i na ostalim korpusima [Društva za jezičke resurse i tehnologije](https://jerteh.rs), |
|
uključujući korpuse savremenog srpskog jezika: SrpKor2013 i SrpKor2021, |
|
kao i korpus [PDRS 1.0](https://www.clarin.si/repository/xmlui/handle/11356/1752) razvijen od strane Instituta za Srpski jezik SANU. |
|
|
|
<h4>U slučaju potrebe za većim modelom, pogledajte <a href="https://huggingface.co/jerteh/gpt2-orao" class="highlight-container"> |
|
<b class="highlight">gpt2-orao</b></a> — najveći generativni model za srpski jezik.</h4> |
|
|
|
Modeli su obučavani na Nacionalnoj platformi za veštačku inteligenciju Srbije (sistem koji se bazira na nVidia DGX sistemima). |
|
|
|
|
|
<div class="inline-flex flex-col" style="line-height: 1.5;"> |
|
<div style="text-align: center; margin-top: 3px; font-size: 16px; font-weight: 800">Autor</div> |
|
<a href="https://huggingface.co/procesaur"> |
|
<div class="flex"> |
|
<div |
|
style="display:DISPLAY_1; margin-left: auto; margin-right: auto; width: 92px; height:92px; border-radius: 50%; |
|
background-size: cover; background-image: url('https://cdn-uploads.huggingface.co/production/uploads/1673534533167-63bc254fb8c61b8aa496a39b.jpeg?w=200&h=200&f=face')"> |
|
</div> |
|
</div> |
|
</a> |
|
<div style="text-align: center; font-size: 16px; font-weight: 800">Mihailo Škorić</div> |
|
<div> |
|
<a href="https://huggingface.co/procesaur"> |
|
<div style="text-align: center; font-size: 14px;">@procesaur</div> |
|
</a> |
|
</div> |
|
</div> |
|
</div> |
|
|
|
## Citiranje |
|
|
|
```bibtex |
|
@article{skoric24modeli, |
|
author = {Mihailo \vSkori\'c}, |
|
title = {Novi jezi\vcki modeli za srpski jezik}, |
|
journal = {Infoteka}, |
|
volume = {24}, |
|
issue = {1}, |
|
year = {2024}, |
|
publisher = {Zajednica biblioteka univerziteta u Srbiji, Beograd}, |
|
url = {https://arxiv.org/abs/2402.14379} |
|
} |
|
``` |
|
|
|
<style> |
|
.ffeat: { |
|
color:red |
|
} |
|
|
|
.cover { |
|
width: 100%; |
|
margin-bottom: 5pt |
|
} |
|
|
|
.highlight-container, .highlight { |
|
position: relative; |
|
text-decoration:none |
|
} |
|
|
|
.highlight-container { |
|
display: inline-block; |
|
|
|
} |
|
|
|
.highlight{ |
|
color:white; |
|
text-transform:uppercase; |
|
font-size: 16pt; |
|
} |
|
|
|
.highlight-container{ |
|
padding:5px 10px |
|
} |
|
|
|
.highlight-container:before { |
|
content: " "; |
|
display: block; |
|
height: 100%; |
|
width: 100%; |
|
margin-left: 0px; |
|
margin-right: 0px; |
|
position: absolute; |
|
background: #e80909; |
|
transform: rotate(2deg); |
|
top: -1px; |
|
left: -1px; |
|
border-radius: 20% 25% 20% 24%; |
|
padding: 10px 18px 18px 10px; |
|
} |
|
|
|
div.grb, #zastava>table { |
|
position:absolute; |
|
top:0px; |
|
left: 0px; |
|
margin:0px |
|
} |
|
|
|
div.grb>img, #zastava>table{ |
|
margin:0px |
|
} |
|
|
|
#zastava { |
|
position: relative; |
|
margin-bottom:120px |
|
} |
|
</style> |